中英文的网站开发,搜外友链平台,在那里做网站,农业网站模板WordPress目录
1.灰度图亮度调整
2.图像模板匹配
3.图像裁剪处理
4.图像旋转处理
5.图像邻域与数据块处理 学习计算机视觉方向的几条经验:
1.学习计算机视觉一定不能操之过急#xff0c;不然往往事倍功半#xff01;
2.静下心来#xff0c;理解每一个函数/算法的过程和精髓…目录
1.灰度图亮度调整
2.图像模板匹配
3.图像裁剪处理
4.图像旋转处理
5.图像邻域与数据块处理 学习计算机视觉方向的几条经验:
1.学习计算机视觉一定不能操之过急不然往往事倍功半
2.静下心来理解每一个函数/算法的过程和精髓这个知识才真正是你的
3.计算机视觉的参数非常多你必须理解透并且学会运用不然你只能做个调参侠
4.做一件事就必须要从中学到什么否则就算是再大的荣誉只是混来的不真正属于你
以上经验总结来自Neu.Ise.JiaT.Prof也是Neu做cv的数一数二的教授了希望能够带着这些经验继续前进在cv的学习中有所感悟和收获
1.灰度图亮度调整
灰度图介绍
1.灰度图,又称灰阶图。把白色和黑色之间按照对数关系分为若干等级称为灰度。
2.灰度一般是2的整数次幂并且每个像素采用8比特来表示灰度可以被量化为256及。
3.改变像素的亮度值是增强图像的常用方法采用某种函数变换进行增强即可一般用的比较多的是指数函数。
4.以下我们将展示采用直方图进行增强的效果对应的函数是histeq()函数。
histeq()函数:
J histeq(I) 变换灰度图像 I以使输出灰度图像J的直方图具有64个bin且大致平坦。
%%灰度图亮度调整
clear all
I imread(tire.tif)
J histeq(I)
figure
subplot(2,2,1)
imshow(I)
subplot(2,2,2)
imshow(J)
subplot(2,2,3)
imhist(I)
subplot(2,2,4)
imhist(J)
saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,histeq,.png]) 2.图像模板匹配
图像模板匹配
1.模板匹配就是在一个图像中识别出与模板相似的区域
因此我们设定输入输出如下所示:
输入一张原始图像和模板图像
输出在原始图像中找到与模板图像相似的区域
2.算法的原理也很简单就是我们拿着模板和一个给定的标准寻找最贴近标准的图像即可。
对于计算机来说逐次比对的过程可以是设置一个与模板相同大小的window, 按照一定的步长
步长可以自己设定向左向右依次滑动会得到不同的子区域然后逐次比对模板和子区域找出
最好最符合的就是最为相似的。
%%
%%template matching
%本题的标准就定在0.9
clear
a imread(a.tif)
[ma na]size(a)%获取大小
I imread(text.png)
figure
imshow(I)
[mi,ni]size(I)%获取大小
afftfft2(a)%二维傅里叶变换
Ifftfft2(I)%二维傅里叶变换%计算用于 FFT 的输出图像大小这是两个图像大小之和减去1。
M mami-1
N nani-1%拓展到相同的维度
afft(M,N)0
Ifft(M,N)0
filteredifft2(afft.*Ifft)%对扩展后的频域数据进行逆傅里叶变换
filteredfiltered(1:mi,1:ni)%提取相同的大小区域方便后续匹配
filteredfiltered/max(max(filtered,[],1))%归一化操作
%将匹配结果中大于0.9的像素设置为1小于等于0.9的像素设置为0。
resultfiltered0.9
%绘制可视化图
figure
subplot(2,2,1)%模板
imshow(a)
subplot(2,2,2)%匹配图
imshow(I)
subplot(2,2,3)
imshow(filtered)%归一化图全部是0-1
subplot(2,2,4)
imshow(result)%结果图
saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,template_matching,.png]) 3.图像裁剪处理
图像的裁剪处理
1.图像的裁剪处理用到imresize()函数.
2.B imresize(A,scale) 返回图像 B它是将A的长宽大小缩放图像
scale倍之后的图像。输入图像 A 可以是灰度图像、RGB 图像、二值图像或分类图像。
%%
%图像裁剪
clear
figure
I imread(ci.bmp)
J imresize(I,0.5);%边缩小0.5倍
figure
imshow(I)
figure
imshow(J) 4.图像旋转处理 %%
和图像的裁剪差不多我们也就不细讲了
%%
%图像旋转
clear
I imread(ci.bmp)
I1 imrotate(I,45);
% I1 imresize(I,2,nearest);
figure
subplot(1,2,1)
imshow(I)
subplot(1,2,2)
imshow(I1,[])
saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,iamge_imrptate,.png]) 5.图像邻域与数据块处理
5.图像邻域与数据块处理:
1.某些图像处理运算需要分段处理图像而不是一次处理整个图像。
2.滑动邻域运算通过对每个像素邻域应用算法以一次一个像素的方式处理图像。
3.在另一种数据块处理中图像被分成大小相等且不重叠的数据块并对每个不同数据块应用算法。
然后对邻域和数据块进行重组以形成输出图像。
%%
%5.图像邻域与数据块处理
clear
I imread(tire.tif)
f inline(uint8(round(std2(x)*ones(size(x)))))
I2 blkproc(I,[8,8],f)%邻域处理
%绘图可视化
figure
subplot(1,2,1)
imshow(I)
subplot(1,2,2)
imshow(I2,[])
saveas(gcf,[C:\Users\Zeng Zhong Yan\Desktop\MATLAB\,image block operation,.png])
